应用小波多尺度能谱分析法识别储层流体性质

本文对利用小波能谱分析识别流体性质进行了理论及实际处理研究。在理论的基础上,通过实际资料的处理分析,结果显示该方法理论与实际效果相吻合,小波能谱能够有效地提取储层的油水信息,该方法对识别流体性质有显著效果。     

样本分解交汇图法与决策树方法识别苏丹某油田流体性质

 识别储层流体性质是测井评价储层的内容之一,识别结果影响着对油气藏的认识和开发方案部署。本文以多种测井参数作为储层流体的分类参数,采用样品分解思想的交汇图和决策树方法对苏丹某油田流体性质进行分类建模。结果表明,(1) 单个交汇图最高识别正确率为80%,而样品分解思想将交汇图分为两个层次,可提高识别准确率,但是仍存在不足之处;(2) 决策树方法通过计算参数权重,依据权重大小自动挑选参数,识别准确率达到了86.7%;而交汇图和决策树法相结合,识别准确率可达到100%,弥补了样品分解交汇图的不足;(3) 原来认为苏丹某油田是具有统一油气界面的油气藏,应用决策树结合交汇图方法后,认为该油田应为层状油气藏;油田据此调整开发方案,取得了良好效果。     

红外系统背景噪音谱的计算

红外系统的背景噪音限制了系统的作用距离。该文介绍了背景噪音谱的表达式，计算了矩形线阵直线扫描时产生的背景噪音功率谱，并证明了背景噪音功率谱随着系统视场角及扫描速度减少而减少，随着频率增加而减少，这些结论对系统设计是很有用的。     

小波变换在语音识别中的应用

提出了一种基于小波变换和ＡＲＭＡ模型的新参数，并将它用于Ａ．．．Ｎ的英文字母的识别。我们使用的数据库是ＮＩＳＴ。小波变换要以在高频提供高的频率分辨率，在低频提供高的时间分辨率，而ＡＲＭＡ模型则可以改善ＬＰＣ模型没有零点的不足。实验结果表明，识别的错误率提高１４．２７％。     

基于归一化算法的噪音鲁棒性连续语音识别

针对归一化方法在连续语音特征曲线调整时存在的问题, 提出一种优化解决方案, 解决了噪声的不稳定性及不可预测性对语音特征的影响. 结果表明, 基于该优化方法建立的鲁棒性连续语音识别模型可实现在实验室干净环境和现实噪音环境下同时得到较好的识别结果.     

非平稳随机激励下线性系统模态识别的小波方法

通过对非平稳随机激励下的线性时不变系统的响应x(t)进行小波变换.利用各级小波系数的正交性,对其中的某些平稳小波系数进行合成,得到满足结构动力学方程的新平稳信号y(b),用其代替原始的结构响应x(t),结合其他各种平稳随机激励下的模态识别的方法,进行非平稳随机激励下系统参数的识别.仿真结果表明,该方法可以在一定程度上消除非平稳随机激励所引起的响应信号的非平稳性.     

小波方法识别框架结构损伤

小波包分析损伤识别方法首先将结构响应信号分解为小波包组分,然后通过各组分小波信号的变化情况识别损伤。通过3层框架结构的数值分析,模拟结构损伤,判断损伤时刻与损伤位置。分析小波组分信号突变情况,可以识别损伤时刻、损伤位置和损伤程度。     

小波分析在多相流流型识别中的应用

提出了一种利用小波变换进行流型分析的方法,采用以变换分析水平管流上的压差信号,根据段塞流与波状流的小波分析特性,可容易地识别流型,与其他流型识别方法相比,该方法所需测量参数少,便于实时,连续地判断流型 。     

BP神经网络在砂岩储层流体识别中的应用

莫北地区侏罗纪三工河组,岩性主要是中、细砂岩,属低孔低渗储层,所以储层流体性质的识别是该地区急需解决的问题。针对常规测井储层识别准确率不佳的情况,提出了Bp神经网络这种数学方法进行储层的油、气、水、干层的识别。提出43个试油层段的测井曲线特征值,以对流体性质敏感并且在交会图上具有比较明显区分度的密度值（DEN）、孔隙度（POR）、电阻率值（RT）和含水饱和度值（SW）作为输入向量,经程序训练判别准确率达到满足的要求后根据得到的权值、阈值编写神经网络预测的程序挂接在测井解释软件中,从而实现了Bp神经网络在储层中的自动化识别。     

基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法

提出了一种基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法.低光照对比度情况下成像获得的图像进行处理分析、目标定位识别与跟踪都有一定困难,必须对其进行增强处理.根据图像的纹理统计特性,设计了专用于保护纹理特征的巴特沃思滤波器,对低光照对比度图像或强噪声背景下图像进行增强,可有效地克服低光照对比度图像或强噪声背景条件下进行处理分析、目标定位识别与跟踪造成的影响.实验结果表明:应用小波变换的多尺度分析方法和专门设计的巴特沃思滤波器,可较好地消除低光照对比度或强噪声背景下图像的干扰.     

基于经验模态分解的大地电磁资料人文噪声处理

将经验模态分解(Empiricalmodedecomposition,EMD)方法应用到大地电磁资料的人文噪声处理中,根据人文噪声的不同来源和特征,提出基于EMD的时空滤波器或硬(软)阈值对噪声进行抑制的方法。给出经验模态分解去噪方法的原理和步骤,并对实测大地电磁信号中常见的脉冲干扰、矩形干扰和周期正弦噪声等人文干扰进行消噪处理。研究结果表明：本文提出的噪声改正方法是有效的,突出了有用信号的信息,改善了受干扰大地电磁数据的质量。     

一种基于Haar小波的塔式分解重构算法

基于Haar小波的尺度和小波函数定义与特性,经过一系列推导得到基于Haar小波的塔式分解重构算法,并给出了图例验证算法分解和重构过程的正确性。本文给出的相关算法可对离散化的信号进行分解和重构,从而进行信号的噪音滤除和数据压缩等分析处理。     

含白噪声阶跃信号的频谱特性及去噪分析

文章根据含有白噪声的阶跃信号的频谱特点,采用了离散小波变换的方法对该突变信号进行去噪。实验证明,若选用合适的阈值方案,利用小波变换进行去噪,其效果将明显优越于基于传统傅立叶变换的理想低通滤波去噪。     

常数分解变换法及在数据压缩和消噪上的应用

目的 研究常数分解变换法(SDT)及其在数据压缩和消噪上的应用。方法 在探讨常数分解变换法原理的基础上，提出了对一维数据进行有损压缩和消噪的思想，并给出了相应的优化算法以及将该算法拓展于二维信号的简单方法。结果 获得了常数分解变换法和小波分解变换法(DWT)进行数据压缩和消噪的实验结果。结论 在一定条件下，对于一维数据的压缩和消噪，常数分解变换法优于小波分解变换法。     

基于小波包分解的整循环征兆提取与故障识别

为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆.由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别.这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行.     

基于局域波分解的非参数概率密度估计

局域波分解在提取信号趋势方面具有异乎寻常的效果.根据局域波缓变趋势提取算法,在小波概率密度估计思路的基础上,结合密度估计的直方图法,建立了局域波概率密度估计新方法.此方法能有效去除样本数据直方图中的高频成分,获得低频趋势,即概率密度.在混合高斯概率密度估计中的应用表明,对于无断点的密度函数,其具有计算简单、精度较高的优点.     

内燃机机械噪声和燃烧噪声的识别分离

针对内燃机噪声识别问题,建立了数学模型并编制了相应的程序,在程序中加入作用全局阈值的小波变换降噪程序,保证程序的抗干扰性后,实现了燃烧噪声和机械噪声的频谱分离和A计权声功率级计算。以某CG125型摩托车发动机为例,通过构造包含不同干扰噪声的理论算例仿真识别,验证了程序的准确性和实用性。识别结果表明:分离前后的燃烧噪声和机械噪声的频谱吻合良好,A计权声功率级误差均小于0.6dB。     

基于小波分解的痕迹灰度图像边缘检测

针对痕迹图像边缘检测的特征，给出了一种新的基于小波多尺度分解的分层图象边缘检测方法，其基本思想是先对源图像进行小波多尺度分解，其次在不同尺度的子带图像上进行基于局部区域特征的软阈值滤波。最后再进行小波重构，以提取图像的边缘。实验结果表明，该算法比其它算法提高了痕迹图像边缘的检测精度，是十分有效的。     

PCK对西部高师化学专业学生培养新思考

在小波变换理论的基础上,提出了一种结合小波分解和脉冲耦合神经网络(PCNN)的遥感图像融合新方法.首先对两幅已经配准的原始遥感图像进行小波多尺度分解,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;对各带通子带系数提出了一种改进的基于PCNN的图像融合方法来确定融合图像的各带通子带系数;最后通过逆小波变换重构图像得到融合后的图像.仿真结果和评价指标结果表明,此方法更好地保留了原图像中的有用信息,提高了融合图像的质量.     

经验模态分解和小波分解滤波特性的比较研究

 为了更好地了解小波分解(WD)和经验模态分解(EMD)2种方法对非平稳信号滤波特性的差异,以及2种方法的实际应用效果和各自的优缺点,提出了运用对高斯白噪声信号分解分量平均功率谱特性的分析来对比2种方法滤波特性差异的研究方法,并运用多项对比实验对所提研究方法的有效性进行验证.实验结果表明,所提研究方法能够有效地解释2种分解各自的滤波特性.对于EMD分解,各分量平均功率谱表现为带宽逐渐减小,中心频率逐渐降低的一组有序排列的带通滤波器.整个分解过程不需人为干预可自动完成,但存在边缘效应问题,如不加以处理可能会严重影响分解质量;对于小波分解,选择不同小波基,有的表现出与EMD分解类似的多尺度滤波特性,有的则不尽相同,甚至是完全不同.所以小波基的选择和分解层数的设置不同,可能会导致分解结果出现较大差异,因此存在对小波基优化选择问题.此外,小波分解过程速度较快,平均用时仅为EMD的1/25.